一、優(yōu)化問題

1、優(yōu)化目標(biāo)

（1）優(yōu)化和深度學(xué)習(xí)的目標(biāo)是根本不同的。前者主要關(guān)注的是最小化目標(biāo)，后者則關(guān)注在給定有限數(shù)據(jù)量的情況下尋找合適的模型。

（2）優(yōu)化算法的目標(biāo)函數(shù)通常是基于訓(xùn)練數(shù)據(jù)集的損失函數(shù)，因此優(yōu)化的目標(biāo)是減少訓(xùn)練誤差；深度學(xué)習(xí)（或更廣義地說，統(tǒng)計推斷）的目標(biāo)是減少泛化誤差，因此除了使用優(yōu)化算法來減少訓(xùn)練誤差之外，我們還需要注意過擬合。

（3）f(x)就是我們代碼中的loss()函數(shù)，我們想要最小化損失。

（4）目標(biāo)函數(shù)，是不管輸入時什么矩陣，都處理為一個向量

（5）限制集合：給C的取值設(shè)置條件，比如說令權(quán)重方差為1均值為0的限制

2、局部最小與全局最小

（1）x處對應(yīng)的f(x)值小于在x附近任意其他點(diǎn)的f(x)值，那么f(x)可能是局部最小值。如果f(x)在x處的值是整個域中目標(biāo)函數(shù)的最小值，那么f(x)是全局最小值。

（2）數(shù)學(xué)公式

（3）使用迭代優(yōu)化算法求解，一般只能得到局部最小值：深度學(xué)習(xí)模型的目標(biāo)函數(shù)通常有許多局部最優(yōu)解。當(dāng)優(yōu)化問題的數(shù)值解接近局部最優(yōu)值時，隨著目標(biāo)函數(shù)解的梯度接近或變?yōu)榱?#xff0c;通過最終迭代獲得的數(shù)值解可能僅使目標(biāo)函數(shù)局部最優(yōu)，而不是全局最優(yōu)。

（4）只有一定程度的噪聲可能會使參數(shù)跳出局部最小值（是小批量隨機(jī)梯度下降的有利特性之一，小批量上梯度的自然變化能夠?qū)?shù)從局部極小值中跳出）。

3、總結(jié)

（1）最小化訓(xùn)練誤差并不能保證我們找到最佳的參數(shù)集來最小化泛化誤差。

（2）優(yōu)化問題可能有許多局部最小值。

二、凸性

1、凸集

（1）數(shù)學(xué)公式

（2）集合

2、凸函數(shù)

（1）數(shù)學(xué)公式

（2）在x！=f(x)時成立，為嚴(yán)格凸函數(shù)

（3）凸優(yōu)化問題

（4）深度學(xué)習(xí)中的凸和非凸：學(xué)習(xí)的模型基本上都是非凸的，因?yàn)橥沟?#xff08;比如線性）很簡單，那么信息就不多，非凸更接近實(shí)際生活中的例子。

二、梯度下降

1、梯度下降

（1）學(xué)習(xí)率的大小很重要：學(xué)習(xí)率太大會使模型發(fā)散，學(xué)習(xí)率太小會沒有進(jìn)展。

（2）梯度下降會可能陷入局部極小值，而得不到全局最小值。

（3）在高維模型中，調(diào)整學(xué)習(xí)率是很復(fù)雜的。

（4）預(yù)處理方法適當(dāng)有助于調(diào)節(jié)比例。

2、隨機(jī)梯度下降

（1）在樣本中隨機(jī)選擇一個，雖然沒有計算每一個梯度求平均平滑，但是總體趨勢是差不多的

（2）對于凸問題，在廣泛的學(xué)習(xí)率選擇，隨機(jī)梯度下降將收斂到最優(yōu)解。

（3）當(dāng)訓(xùn)練數(shù)據(jù)集中有更多樣本時，計算梯度下降的每次迭代的代價更高，因此在這些情況下，首選隨機(jī)梯度下降。

3、小批量隨機(jī)梯度下降

（1）將計算機(jī)并行考慮進(jìn)去。

（2）但是需要考慮合適的小批量，批量很小的時候，收斂快但計算慢，批量大的時候，計算代價很大。

（3）小批量隨機(jī)梯度下降比隨機(jī)梯度下降和梯度下降的速度快，收斂風(fēng)險較小。

（4）在訓(xùn)練期間降低學(xué)習(xí)率有助于訓(xùn)練，前期學(xué)習(xí)率大一些，后期學(xué)習(xí)率調(diào)小。

（5）小批量隨機(jī)梯度下降兼顧了計算和統(tǒng)計效率。

（6）在小批量隨機(jī)梯度下降中，我們處理通過訓(xùn)練數(shù)據(jù)的隨機(jī)排列獲得的批量數(shù)據(jù)（即每個觀測值只處理一次，但按隨機(jī)順序）。

三、沖量法

1、動量法用過去梯度的平均值來替換梯度，這大大加快了收斂速度。

2、動量法可以防止在隨機(jī)梯度下降的優(yōu)化過程停滯的問題。

3、由于對過去的數(shù)據(jù)進(jìn)行了指數(shù)降權(quán)，有效梯度數(shù)為1/1?β。

4、動量法的實(shí)現(xiàn)非常簡單，但它需要我們存儲額外的狀態(tài)向量（動量v）。

四、Adam

1、t比較大的時候

2、在t小的時候進(jìn)行修正

3、g_t'

五、總結(jié)

1、深度學(xué)習(xí)模型大多是非凸

2、小批量隨機(jī)梯度下降是最常用的優(yōu)化算法

3、沖量對梯度會更加平滑

4、Adam對梯度做平滑，并且對梯度各個維度值都做重新調(diào)整